Первые недели работы с джеттон-тоном напоминают игру в рулетку: один файл обрабатывается за 2 минуты, другой — за 15, хотя оба содержат схожие таблицы. Три тревожных сигнала:
Наш системный администратор начал выключать алгоритм по ночам после трёх недель использования — когда обнаружил, что 40% серверных мощностей уходит на холостой парсинг PDF с нестандартными шапками. Например, файл с таблицей из 100 строк обрабатывался за 3 минуты, а аналогичный документ с добавлением логотипа компании в верхнем углу занимал уже 9 минут. Это связано с тем, что алгоритм пытается интерпретировать графические элементы как часть структуры данных, что создаёт дополнительные накладные расходы.
| Параметр | Стандарт | Оптимизированная | Ручная |
|---|---|---|---|
| Время на 1000 записей | 4.2 мин | 3.1 мин | 5.8 мин |
| Стабильность (отклонение) | ±25% | ±12% | ±7% |
| Требования к серверу | 4 ядра | 6 ядер | 8 ядер |
В таблице специально оставлен пустой столбец — для ваших цифр. Ручная калибровка под Excel-отчёты снизила скорость на 40% у клиента, чьи данные на 60% состояли из сканов. «Оптимизированный» шаблон для TensorFlow Serving работал идеально только с JSON-файлами определённой вложенности. Например, вложенность до трёх уровней обрабатывалась за 2.1 минуты, а уже на четвёртом уровне время увеличивалось до 3.5 минут из-за необходимости рекурсивного анализа структуры данных. При этом попытка использовать стандартную конфигурацию для таких файлов приводила к ошибкам в каждом пятом поле.
PDFParser Pro обрабатывает таблицы за 17 сек/страницу, но те же 17 секунд превращаются в 4 минуты для сканов с артефактами. График зависимости времени от «загрязнённости» данных:
Для договоров в свободной форме с рукописными пометками автоматизация часто проигрывает ручному вводу. Проверка: если алгоритм ошибается в каждом пятом поле, временно откажитесь от джеттон-тона. Например, в одном из случаев обработка договора аренды занимала 12 минут, но после исправления ошибок, допущенных алгоритмом, общее время увеличивалось до 25 минут. Это связано с тем, что рукописные пометки распознавались как часть текста, что приводило к некорректному заполнению полей в базе данных. В таких случаях ручной ввод данных оказывается более надёжным решением.
Тест на идентичных серверах: локальный дата-центр выдаёт результат за 3.1 сек, облако через API Яндекс.Облака — за 30.1 сек. Кажется, что 27 секунд — мелочь, но для 50 000 ежедневных запросов это 375 часов простоя в месяц. Аренда выделенного сервера окупается только при нагрузке от 15 запросов/секунду — ниже этого порога дешевле терпеть задержки. Например, клиент, обрабатывающий 10 000 запросов в день, экономил около 200$ в месяц, используя облачное решение вместо аренды выделенного сервера. Однако при увеличении нагрузки до 20 000 запросов в день затраты на облачные услуги уже превышали стоимость аренды на 15%.
Два реальных кейса из логов:
Стандартные ограничения в 10 000 элементов/пакет не защищают от аномалий. Настройте трешхолды индивидуально: если ваши PDF чаще всего по 50 страниц, установите лимит в 70, а не 200. Например, в одном из случаев обработка PDF с 300 страницами занимала более часа, и система полностью зависала из-за нехватки оперативной памяти. После установки лимита в 70 страниц время обработки сократилось до 15 минут, а процент ошибок снизился с 25% до 5%.
Ручная проверка 1000 позиций занимает 6 часов, исправление ошибок алгоритма — 2 часа, но с недельными задержками. Формула для принятия решения: (Время ручной обработки × 0.3) > (Время автоматической + Время исправления). Если неравенство не выполняется — как в случае с jetton промокод для нестандартных накладных — откажитесь от автоматизации. Например, при обработке накладных с нестандартным форматом времени уходило 3 часа на автоматическую обработку и ещё 4 часа на исправление ошибок. В то время как ручной ввод данных занимал всего 5 часов и не требовал дополнительных проверок.
]]>